AI創業的五大基石，讓你在新的領域占據先機

每個時代的創業有每個時代的特點。人工智慧創業與此前的網際網路時代創業、移動網際網路時代創業很不相同。
 
人工智慧時代創業的五大基石：

① 清晰的領域界限

人工智慧創業，要解決的靈宇文體一定要非常清晰，有明確的領域邊界，因為這一類問題是今天以深度學習為代表的人工智慧算法最善於解決的。例如，同樣是做機器人，如果做一個藉助視覺傳感器更好地規劃掃地線路、提高清潔率的掃地機器人，將機器人的需求限定在一個有限的問題邊界內，這樣的解決方案就相對靠譜；如果一上來就要做一個長得像人一樣、可以與人交流的人形機器人，那以今天的技術，做出來的多半不是人工智慧，而是「人工智障」。

② 閉環的、自動標註的數據

針對要用AI解決的領域問題，最好要在這個領域內，有閉環的，自動標註的數據。例如，基於網際網路平台的廣告系統可以根據用戶點擊以及後續操作，收集到第一手轉化率數據，而這個轉化率數據反過來又可以作為關鍵特徵，幫助AI系統進一步學習。這種從應用本身收集數據，再用數據訓練模型，用模型提高應用性能的閉環模式更加高效。谷歌、百度等搜尋引擎之所以擁有強大的人工智慧潛力，就是因為他們的業務，比如搜索和廣告本身就是一個閉環的系統，系統內部就可以自動完成數據收集、標註、訓練、反饋的全過程。

③ 千萬級的數據量

今天人工智慧的代表算法是深度學習。而深度學習通常要求足夠熟梁的訓練數據。一般而言，擁有千萬級的數據量是保證深度學習質量的前提。當然，這個「千萬級」的定義過於寬泛。事實上，在不同的應用領域，深度學習對數據量的要求也不盡相同。而且，也不能近看數據記錄的個數，還要看每個數據記錄的特徵維數，特徵在相應空間中的分布情況，等等。

④ 超大規模的計算能力

深度學習在進行模型訓練時，對電腦的計算能力有著近乎「痴狂」的渴求。創新工場曾經給一個專注於研發深度學習技術的團隊投資了1000萬人民幣。結果，團隊建設初期才兩三個月時間，僅購買深度學習使用的計算伺服器就花掉了700多萬元。今天，一個典型的深度學習任務，通常都要求在一台或多台安裝有4塊甚至8塊高性能GPU晶片的計算機上運行。設計圖像、視頻的深度學習任務，則更是需要數百塊、數千塊GPU晶片組成的大型計算集群。在安裝了大型計算集群的機房內，大量GPU在模型訓練期間發出遠比普通伺服器多數十倍的熱量。許多機房的空調系統都不得不重新設計、安裝。在一些空調馬力不足的機房裡，創業團隊甚至購買了巨大的冰塊來協助降溫。

 
⑤ 頂尖的AI科學家

今天的人工智慧研發還相當依賴於算法工程師甚至是AI科學家的個人經驗積累。水平最高的科學家與普通水平的算法工程師之間，生產力的差異不啻千百倍。人工智慧創業公司對頂尖AI科學家的渴求直接造成了這個領域科學家、研究員的身價與日俱增。谷歌僱傭傑弗里 辛頓、李飛飛，Facebook僱傭揚 勒丘恩，據說都開出了數百萬美元的年薪。國內AI創業公司如曠世科技，也用令人瞠目的高薪，將機器視覺領域的頂尖科學家孫劍「挖」了過來，擔任公司的首席科學家。

AI的時代已悄然來臨，上面的一段文字是創新工場創始人李開復關於人工智慧創業的判斷和分析，希望可以幫助到廣大致力於AI創業的人提前積累，提升自身競爭實力！